A técnica de mineração de regras de associação surgiu com o objetivo de encontrar conhecimento novo, útil e previamente desconhecido em bancos de dados transacionais, e uma grande quantidade de algoritmos de mineração de regras de associação tem sido proposta na última década. O maior e mais bem conhecido problema destes algoritmos é a geração de grandes quantidades de conjuntos freqüentes e regras de associação. Em bancos de dados geográficos o problema de mineração de regras de associação espacial aumenta significativamente. Além da grande quantidade de regras e padrões gerados a maioria são associações do domínio geográfico, e são bem conhecidas, normalmente explicitamente representadas no esquema do banco de dados. A maioria dos algoritmos de mineração de regras de associação não garantem a eliminação de dependências geográficas conhecidas a priori. O resultado é que as mesmas associações representadas nos esquemas do banco de dados são extraídas pelos algoritmos de mineração de regras de associação e apresentadas ao usuário. O problema de mineração de regras de associação espacial pode ser dividido em três etapas principais: extração dos relacionamentos espaciais, geração dos conjuntos freqüentes e geração das regras de associação. A primeira etapa é a mais custosa tanto em tempo de processamento quanto pelo esforço requerido do usuário. A segunda e terceira etapas têm sido consideradas o maior problema na mineração de regras de associação em bancos de dados transacionais e tem sido abordadas como dois problemas diferentes: “frequent pattern mining” e “association rule mining”. Dependências geográficas bem conhecidas aparecem nas três etapas do processo. Tendo como objetivo a eliminação dessas dependências na mineração de regras de associação espacial essa tese apresenta um framework com três novos métodos para mineração de regras de associação utilizando restrições semânticas como conhecimento a priori. O primeiro método reduz os dados de entrada do algoritmo, e dependências geográficas são eliminadas parcialmente sem que haja perda de informação. O segundo método elimina combinações de pares de objetos geográficos com dependências durante a geração dos conjuntos freqüentes. O terceiro método é uma nova abordagem para gerar conjuntos freqüentes não redundantes e sem dependências, gerando conjuntos freqüentes máximos. Esse método reduz consideravelmente o número final de conjuntos freqüentes, e como conseqüência, reduz o número de regras de associação espacial. / The association rule mining technique emerged with the objective to find novel, useful, and previously unknown associations from transactional databases, and a large amount of association rule mining algorithms have been proposed in the last decade. Their main drawback, which is a well known problem, is the generation of large amounts of frequent patterns and association rules. In geographic databases the problem of mining spatial association rules increases significantly. Besides the large amount of generated patterns and rules, many patterns are well known geographic domain associations, normally explicitly represented in geographic database schemas. The majority of existing algorithms do not warrant the elimination of all well known geographic dependences. The result is that the same associations represented in geographic database schemas are extracted by spatial association rule mining algorithms and presented to the user. The problem of mining spatial association rules from geographic databases requires at least three main steps: compute spatial relationships, generate frequent patterns, and extract association rules. The first step is the most effort demanding and time consuming task in the rule mining process, but has received little attention in the literature. The second and third steps have been considered the main problem in transactional association rule mining and have been addressed as two different problems: frequent pattern mining and association rule mining. Well known geographic dependences which generate well known patterns may appear in the three main steps of the spatial association rule mining process. Aiming to eliminate well known dependences and generate more interesting patterns, this thesis presents a framework with three main methods for mining frequent geographic patterns using knowledge constraints. Semantic knowledge is used to avoid the generation of patterns that are previously known as non-interesting. The first method reduces the input problem, and all well known dependences that can be eliminated without loosing information are removed in data preprocessing. The second method eliminates combinations of pairs of geographic objects with dependences, during the frequent set generation. A third method presents a new approach to generate non-redundant frequent sets, the maximal generalized frequent sets without dependences. This method reduces the number of frequent patterns very significantly, and by consequence, the number of association rules.

Made available in DSpace on 2009-11-18T19:00:48Z (GMT). No. of bitstreams: 0 Previous issue date: 2003 / o presente estudo de caso investiga, empiricamente, a rentabilidade associada aos consumidores do varejo eletrônico de bens duráveis no Brasil. Para tal, o arcabouço teórico baseia-se em teorias rivais, notadamente as expostas na literatura tradicional do Marketing de Relacionamento - que discute os beneficios da retenção de clientes - e nas recentes publicações que questionam tal abordagem - argumentando que os consumidores esporádicos podem se mostrar mais valiosos que os freqüentes. Nas duas empresas investigadas, os clientes esporádicos demonstram-se mais rentáveis que os freqüentes. Entretanto, a análise exploratória dos dados qualitativos demonstra que ambas utilizam abordagens transacionais para interagir com os consumidores. O cruzamento das evidências quali-quantitativas sugere que o declínio do valor dos clientes freqüentes está associado a práticas gerenciais que não se encontram em conformidade com a literatura convencional de marketing. Por conseguinte, as evidências quantitativas parecem não representar anomalias perante a teoria vigente, segundo a qual os beneficios inerentes à retenção de consumidores fazem sentido apenas para as empresas que estiverem orientadas a clientes e puderem interagir de forma relacional com os mesmos. O estudo possibilita supor que o valor dos clientes está associado à forma como as empresas se relacionam com o mercado. A adoção de práticas transacionais, a baixa diferenciação e a competição baseada em descontos parece potencializar a sensibilidade ao preço por parte dos consumidores, principalmente daqueles mais freqüentemente. / This case study investigate, empirically, the profitability associated with frequent and sporadic consumers in the Brazilian e-retailing arena of durable goods. The theoretical framework is based on rivals theories, namely the traditional relationship marketing literature - discussing the customers retention benefits - and then recent publications questioning this approach - arguing that sporadic consumers can be more valuable than frequent customers. In both of the firms, sporadic consumers generates higher profits than frequent ones. However, the exploratory analysis of qualitative data shows that firms uses transactional approach to interact with consumers. The cross-method analysis, of qualitative and quantitative evidences, suggests that the decline of frequent customers value is associated with managerial practices not in conformity with the conventional marketing literature. Therefore, the quantitative evidences seems not to represent anomalies face the dominant theory, according to which the consumers retention benefits makes sense only to companies oriented to customers, and those which interact in a relational fashion with them. The study allows to suppose the value of customers is associated with the way companies relates to the market. The adoption of transactional practices, the low differentiation, and the discount-based competition seems to increase the customer's price sensibility, mainly for those more frequent buyers.

O sistema de saúde vem se transformando pressionado por mudanças sociodemográficas, políticas e econômicas. Essas modificações impõem aos gestores a necessidade de conhecer de maneira particularizada o perfil de demandas da população usuária. Neste contexto, o presente estudo tem por objetivo identificar o padrão e as características de utilização de um serviço de atenção primária à saúde a nível ambulatorial. Como objetivos específicos buscou-se traçar o perfil sociodemográfico dos usuários de unidades de APS, avaliar os motivos das consultas, identificar o tipo de atendimento utilizado e a categoria profissional responsável pelo atendimento, avaliar a relação das consultas com as ações programáticas desenvolvidas nos serviços de saúde e identificar a associação entre a vulnerabilidade da área de moradia e os motivos de consulta. Foi realizado um estudo transversal com dados retrospectivos do Serviço de Saúde Comunitária do Grupo Hospitalar Conceição (SSC-GHC). A fonte primária foi o Boletim de Atendimento(BA), emitido para cada consulta efetuada no período de 1/01/2011 a 31/12/2011. O total de consultas avaliadas foi de 34.014 realizadas em duas unidades da Zona Norte de Porto Alegre por profissionais de nível superior de diferentes categorias profissionais. . A fonte primária do banco de dados foi o BA, emitido para cada atendimento ambulatorial. A análise dos dados foi feita com o programa estatístico SPSS versão 18.0. A análise descritiva respeitou as características e a distribuição das variáveis. As variáveis contínuas e com distribuição normal foram descritas por meio da média e desvio padrão e as variáveis contínuas e sem distribuição normal foram apresentadas como mediana (intervalo interquartil). As variáveis categóricas foram descritas como números absolutos. O número total de consultas efetivadas foi de 34.014, realizadas por 5.033 pessoas com cadastro nas unidades. A participação de moradores de área de risco foi de 31,3%. O número de pessoas consideradas hiperutilizadores - com mais de 6 consultas/ano - foi de 2.216 (44%). Os hiperutilizadores realizaram 78% das consultas. Estavam presentes hiperutilizadores em 53,7% das famílias. Os hiperutilizadores tinham como característica predominante ser mulher (67,8%), pertencer à faixa etária dos 20 aos 49 anos ou de mais de 60 anos. Os problemas relacionados à saúde mental e comportamental têm um percentual mais elevado entre os usuários hiperutilizadores, (6,9% vs 3,5%). O profissional mais procurado foi o médico (59,3%) seguido pelo odontólogo (27,5%). Os motivos de consulta encontrados são semelhantes no grupo de hiperutilizadores e não hiperutilizadores e distribuídos dentro do esperado para as faixas etárias. / The health system has been undergoing transformation due to sociodemographic, political and economic changes. These alterations impose to managers the need to individually know the demand profile of the user population. In this context, the present study aims to identify the use pattern and characteristics in primary health care service at ambulatorial level. As for specific objectives, this research intended to develop the sociodemographic profile of Primary Health Care (PHC) units users, evaluate the reasons for consultations, identify the type of service utilized and the professional category responsible for providing the service, assess the relationship between consultations and the programmatic actions performed by health services as well as to identify the association between the vulnerability of the housing area and the reasons for consultation. A cross-sectional study was conducted with retrospective data from the Community Health Service of the Conceição Hospital Group (SSC-GHC). The primary source was the outpatients' charts issued for each consultation in the period between 1/1/2011 and 12/31/2011. The study comprised a total of 34,014 consultations performed in two units of the North Region of Porto Alegre by professionals with tertiary education from different occupational categories. The main objective of this study was to identify use pattern and characteristics of primary health care services at ambulatorial level. The specific objectives were to develop the sociodemographic profile of PHC units users, evaluate the reasons for consultations, identify the type of service utilized and the professional category responsible for providing the service, assess the relationship between consultations and the programmatic actions performed by health care services as well as to identify the association between the vulnerability of the housing area and the reasons for consultation. The primary source of the database was the chart issued for each outpatient’s ambulatory care. The data analysis was realized with the SPSS statistics software version 18.0. The descriptive analysis considered the characteristics and distribution of variables. The continuous variables with normal distribution were described through averages and standard deviation whilst the continuous variables without normal distribution were presented as median (interquartile range). Categorical variables were described as absolute numbers. The total number of consultations was 34,014 referring to 5,033 people registered in the units. The participation of risk area residents was 31.3%. The number of people considered frequent users - with more than 6 consultations per year - amounted to 2,216 (44%). The frequent users accounted for 78% of the consultations. They were present in 53.7% of households. Frequent users were predominantly women (67.8%), belonging to the age group ranging from 20 to 49 years old or over 60. Mental and behavioral health related issues have a higher percentage among frequent users (6.9% vs. 3.5%). The most requested professional was the physician (59.3%) followed by the odontologist (27.5%). The reasons for consultation found are similar in both frequent and non-frequent users and distributed within the expected for the age groups.

A técnica de mineração de regras de associação surgiu com o objetivo de encontrar conhecimento novo, útil e previamente desconhecido em bancos de dados transacionais, e uma grande quantidade de algoritmos de mineração de regras de associação tem sido proposta na última década. O maior e mais bem conhecido problema destes algoritmos é a geração de grandes quantidades de conjuntos freqüentes e regras de associação. Em bancos de dados geográficos o problema de mineração de regras de associação espacial aumenta significativamente. Além da grande quantidade de regras e padrões gerados a maioria são associações do domínio geográfico, e são bem conhecidas, normalmente explicitamente representadas no esquema do banco de dados. A maioria dos algoritmos de mineração de regras de associação não garantem a eliminação de dependências geográficas conhecidas a priori. O resultado é que as mesmas associações representadas nos esquemas do banco de dados são extraídas pelos algoritmos de mineração de regras de associação e apresentadas ao usuário. O problema de mineração de regras de associação espacial pode ser dividido em três etapas principais: extração dos relacionamentos espaciais, geração dos conjuntos freqüentes e geração das regras de associação. A primeira etapa é a mais custosa tanto em tempo de processamento quanto pelo esforço requerido do usuário. A segunda e terceira etapas têm sido consideradas o maior problema na mineração de regras de associação em bancos de dados transacionais e tem sido abordadas como dois problemas diferentes: “frequent pattern mining” e “association rule mining”. Dependências geográficas bem conhecidas aparecem nas três etapas do processo. Tendo como objetivo a eliminação dessas dependências na mineração de regras de associação espacial essa tese apresenta um framework com três novos métodos para mineração de regras de associação utilizando restrições semânticas como conhecimento a priori. O primeiro método reduz os dados de entrada do algoritmo, e dependências geográficas são eliminadas parcialmente sem que haja perda de informação. O segundo método elimina combinações de pares de objetos geográficos com dependências durante a geração dos conjuntos freqüentes. O terceiro método é uma nova abordagem para gerar conjuntos freqüentes não redundantes e sem dependências, gerando conjuntos freqüentes máximos. Esse método reduz consideravelmente o número final de conjuntos freqüentes, e como conseqüência, reduz o número de regras de associação espacial. / The association rule mining technique emerged with the objective to find novel, useful, and previously unknown associations from transactional databases, and a large amount of association rule mining algorithms have been proposed in the last decade. Their main drawback, which is a well known problem, is the generation of large amounts of frequent patterns and association rules. In geographic databases the problem of mining spatial association rules increases significantly. Besides the large amount of generated patterns and rules, many patterns are well known geographic domain associations, normally explicitly represented in geographic database schemas. The majority of existing algorithms do not warrant the elimination of all well known geographic dependences. The result is that the same associations represented in geographic database schemas are extracted by spatial association rule mining algorithms and presented to the user. The problem of mining spatial association rules from geographic databases requires at least three main steps: compute spatial relationships, generate frequent patterns, and extract association rules. The first step is the most effort demanding and time consuming task in the rule mining process, but has received little attention in the literature. The second and third steps have been considered the main problem in transactional association rule mining and have been addressed as two different problems: frequent pattern mining and association rule mining. Well known geographic dependences which generate well known patterns may appear in the three main steps of the spatial association rule mining process. Aiming to eliminate well known dependences and generate more interesting patterns, this thesis presents a framework with three main methods for mining frequent geographic patterns using knowledge constraints. Semantic knowledge is used to avoid the generation of patterns that are previously known as non-interesting. The first method reduces the input problem, and all well known dependences that can be eliminated without loosing information are removed in data preprocessing. The second method eliminates combinations of pairs of geographic objects with dependences, during the frequent set generation. A third method presents a new approach to generate non-redundant frequent sets, the maximal generalized frequent sets without dependences. This method reduces the number of frequent patterns very significantly, and by consequence, the number of association rules.

O sistema de saúde vem se transformando pressionado por mudanças sociodemográficas, políticas e econômicas. Essas modificações impõem aos gestores a necessidade de conhecer de maneira particularizada o perfil de demandas da população usuária. Neste contexto, o presente estudo tem por objetivo identificar o padrão e as características de utilização de um serviço de atenção primária à saúde a nível ambulatorial. Como objetivos específicos buscou-se traçar o perfil sociodemográfico dos usuários de unidades de APS, avaliar os motivos das consultas, identificar o tipo de atendimento utilizado e a categoria profissional responsável pelo atendimento, avaliar a relação das consultas com as ações programáticas desenvolvidas nos serviços de saúde e identificar a associação entre a vulnerabilidade da área de moradia e os motivos de consulta. Foi realizado um estudo transversal com dados retrospectivos do Serviço de Saúde Comunitária do Grupo Hospitalar Conceição (SSC-GHC). A fonte primária foi o Boletim de Atendimento(BA), emitido para cada consulta efetuada no período de 1/01/2011 a 31/12/2011. O total de consultas avaliadas foi de 34.014 realizadas em duas unidades da Zona Norte de Porto Alegre por profissionais de nível superior de diferentes categorias profissionais. . A fonte primária do banco de dados foi o BA, emitido para cada atendimento ambulatorial. A análise dos dados foi feita com o programa estatístico SPSS versão 18.0. A análise descritiva respeitou as características e a distribuição das variáveis. As variáveis contínuas e com distribuição normal foram descritas por meio da média e desvio padrão e as variáveis contínuas e sem distribuição normal foram apresentadas como mediana (intervalo interquartil). As variáveis categóricas foram descritas como números absolutos. O número total de consultas efetivadas foi de 34.014, realizadas por 5.033 pessoas com cadastro nas unidades. A participação de moradores de área de risco foi de 31,3%. O número de pessoas consideradas hiperutilizadores - com mais de 6 consultas/ano - foi de 2.216 (44%). Os hiperutilizadores realizaram 78% das consultas. Estavam presentes hiperutilizadores em 53,7% das famílias. Os hiperutilizadores tinham como característica predominante ser mulher (67,8%), pertencer à faixa etária dos 20 aos 49 anos ou de mais de 60 anos. Os problemas relacionados à saúde mental e comportamental têm um percentual mais elevado entre os usuários hiperutilizadores, (6,9% vs 3,5%). O profissional mais procurado foi o médico (59,3%) seguido pelo odontólogo (27,5%). Os motivos de consulta encontrados são semelhantes no grupo de hiperutilizadores e não hiperutilizadores e distribuídos dentro do esperado para as faixas etárias. / The health system has been undergoing transformation due to sociodemographic, political and economic changes. These alterations impose to managers the need to individually know the demand profile of the user population. In this context, the present study aims to identify the use pattern and characteristics in primary health care service at ambulatorial level. As for specific objectives, this research intended to develop the sociodemographic profile of Primary Health Care (PHC) units users, evaluate the reasons for consultations, identify the type of service utilized and the professional category responsible for providing the service, assess the relationship between consultations and the programmatic actions performed by health services as well as to identify the association between the vulnerability of the housing area and the reasons for consultation. A cross-sectional study was conducted with retrospective data from the Community Health Service of the Conceição Hospital Group (SSC-GHC). The primary source was the outpatients' charts issued for each consultation in the period between 1/1/2011 and 12/31/2011. The study comprised a total of 34,014 consultations performed in two units of the North Region of Porto Alegre by professionals with tertiary education from different occupational categories. The main objective of this study was to identify use pattern and characteristics of primary health care services at ambulatorial level. The specific objectives were to develop the sociodemographic profile of PHC units users, evaluate the reasons for consultations, identify the type of service utilized and the professional category responsible for providing the service, assess the relationship between consultations and the programmatic actions performed by health care services as well as to identify the association between the vulnerability of the housing area and the reasons for consultation. The primary source of the database was the chart issued for each outpatient’s ambulatory care. The data analysis was realized with the SPSS statistics software version 18.0. The descriptive analysis considered the characteristics and distribution of variables. The continuous variables with normal distribution were described through averages and standard deviation whilst the continuous variables without normal distribution were presented as median (interquartile range). Categorical variables were described as absolute numbers. The total number of consultations was 34,014 referring to 5,033 people registered in the units. The participation of risk area residents was 31.3%. The number of people considered frequent users - with more than 6 consultations per year - amounted to 2,216 (44%). The frequent users accounted for 78% of the consultations. They were present in 53.7% of households. Frequent users were predominantly women (67.8%), belonging to the age group ranging from 20 to 49 years old or over 60. Mental and behavioral health related issues have a higher percentage among frequent users (6.9% vs. 3.5%). The most requested professional was the physician (59.3%) followed by the odontologist (27.5%). The reasons for consultation found are similar in both frequent and non-frequent users and distributed within the expected for the age groups.

A técnica de mineração de regras de associação surgiu com o objetivo de encontrar conhecimento novo, útil e previamente desconhecido em bancos de dados transacionais, e uma grande quantidade de algoritmos de mineração de regras de associação tem sido proposta na última década. O maior e mais bem conhecido problema destes algoritmos é a geração de grandes quantidades de conjuntos freqüentes e regras de associação. Em bancos de dados geográficos o problema de mineração de regras de associação espacial aumenta significativamente. Além da grande quantidade de regras e padrões gerados a maioria são associações do domínio geográfico, e são bem conhecidas, normalmente explicitamente representadas no esquema do banco de dados. A maioria dos algoritmos de mineração de regras de associação não garantem a eliminação de dependências geográficas conhecidas a priori. O resultado é que as mesmas associações representadas nos esquemas do banco de dados são extraídas pelos algoritmos de mineração de regras de associação e apresentadas ao usuário. O problema de mineração de regras de associação espacial pode ser dividido em três etapas principais: extração dos relacionamentos espaciais, geração dos conjuntos freqüentes e geração das regras de associação. A primeira etapa é a mais custosa tanto em tempo de processamento quanto pelo esforço requerido do usuário. A segunda e terceira etapas têm sido consideradas o maior problema na mineração de regras de associação em bancos de dados transacionais e tem sido abordadas como dois problemas diferentes: “frequent pattern mining” e “association rule mining”. Dependências geográficas bem conhecidas aparecem nas três etapas do processo. Tendo como objetivo a eliminação dessas dependências na mineração de regras de associação espacial essa tese apresenta um framework com três novos métodos para mineração de regras de associação utilizando restrições semânticas como conhecimento a priori. O primeiro método reduz os dados de entrada do algoritmo, e dependências geográficas são eliminadas parcialmente sem que haja perda de informação. O segundo método elimina combinações de pares de objetos geográficos com dependências durante a geração dos conjuntos freqüentes. O terceiro método é uma nova abordagem para gerar conjuntos freqüentes não redundantes e sem dependências, gerando conjuntos freqüentes máximos. Esse método reduz consideravelmente o número final de conjuntos freqüentes, e como conseqüência, reduz o número de regras de associação espacial. / The association rule mining technique emerged with the objective to find novel, useful, and previously unknown associations from transactional databases, and a large amount of association rule mining algorithms have been proposed in the last decade. Their main drawback, which is a well known problem, is the generation of large amounts of frequent patterns and association rules. In geographic databases the problem of mining spatial association rules increases significantly. Besides the large amount of generated patterns and rules, many patterns are well known geographic domain associations, normally explicitly represented in geographic database schemas. The majority of existing algorithms do not warrant the elimination of all well known geographic dependences. The result is that the same associations represented in geographic database schemas are extracted by spatial association rule mining algorithms and presented to the user. The problem of mining spatial association rules from geographic databases requires at least three main steps: compute spatial relationships, generate frequent patterns, and extract association rules. The first step is the most effort demanding and time consuming task in the rule mining process, but has received little attention in the literature. The second and third steps have been considered the main problem in transactional association rule mining and have been addressed as two different problems: frequent pattern mining and association rule mining. Well known geographic dependences which generate well known patterns may appear in the three main steps of the spatial association rule mining process. Aiming to eliminate well known dependences and generate more interesting patterns, this thesis presents a framework with three main methods for mining frequent geographic patterns using knowledge constraints. Semantic knowledge is used to avoid the generation of patterns that are previously known as non-interesting. The first method reduces the input problem, and all well known dependences that can be eliminated without loosing information are removed in data preprocessing. The second method eliminates combinations of pairs of geographic objects with dependences, during the frequent set generation. A third method presents a new approach to generate non-redundant frequent sets, the maximal generalized frequent sets without dependences. This method reduces the number of frequent patterns very significantly, and by consequence, the number of association rules.

O sistema de saúde vem se transformando pressionado por mudanças sociodemográficas, políticas e econômicas. Essas modificações impõem aos gestores a necessidade de conhecer de maneira particularizada o perfil de demandas da população usuária. Neste contexto, o presente estudo tem por objetivo identificar o padrão e as características de utilização de um serviço de atenção primária à saúde a nível ambulatorial. Como objetivos específicos buscou-se traçar o perfil sociodemográfico dos usuários de unidades de APS, avaliar os motivos das consultas, identificar o tipo de atendimento utilizado e a categoria profissional responsável pelo atendimento, avaliar a relação das consultas com as ações programáticas desenvolvidas nos serviços de saúde e identificar a associação entre a vulnerabilidade da área de moradia e os motivos de consulta. Foi realizado um estudo transversal com dados retrospectivos do Serviço de Saúde Comunitária do Grupo Hospitalar Conceição (SSC-GHC). A fonte primária foi o Boletim de Atendimento(BA), emitido para cada consulta efetuada no período de 1/01/2011 a 31/12/2011. O total de consultas avaliadas foi de 34.014 realizadas em duas unidades da Zona Norte de Porto Alegre por profissionais de nível superior de diferentes categorias profissionais. . A fonte primária do banco de dados foi o BA, emitido para cada atendimento ambulatorial. A análise dos dados foi feita com o programa estatístico SPSS versão 18.0. A análise descritiva respeitou as características e a distribuição das variáveis. As variáveis contínuas e com distribuição normal foram descritas por meio da média e desvio padrão e as variáveis contínuas e sem distribuição normal foram apresentadas como mediana (intervalo interquartil). As variáveis categóricas foram descritas como números absolutos. O número total de consultas efetivadas foi de 34.014, realizadas por 5.033 pessoas com cadastro nas unidades. A participação de moradores de área de risco foi de 31,3%. O número de pessoas consideradas hiperutilizadores - com mais de 6 consultas/ano - foi de 2.216 (44%). Os hiperutilizadores realizaram 78% das consultas. Estavam presentes hiperutilizadores em 53,7% das famílias. Os hiperutilizadores tinham como característica predominante ser mulher (67,8%), pertencer à faixa etária dos 20 aos 49 anos ou de mais de 60 anos. Os problemas relacionados à saúde mental e comportamental têm um percentual mais elevado entre os usuários hiperutilizadores, (6,9% vs 3,5%). O profissional mais procurado foi o médico (59,3%) seguido pelo odontólogo (27,5%). Os motivos de consulta encontrados são semelhantes no grupo de hiperutilizadores e não hiperutilizadores e distribuídos dentro do esperado para as faixas etárias. / The health system has been undergoing transformation due to sociodemographic, political and economic changes. These alterations impose to managers the need to individually know the demand profile of the user population. In this context, the present study aims to identify the use pattern and characteristics in primary health care service at ambulatorial level. As for specific objectives, this research intended to develop the sociodemographic profile of Primary Health Care (PHC) units users, evaluate the reasons for consultations, identify the type of service utilized and the professional category responsible for providing the service, assess the relationship between consultations and the programmatic actions performed by health services as well as to identify the association between the vulnerability of the housing area and the reasons for consultation. A cross-sectional study was conducted with retrospective data from the Community Health Service of the Conceição Hospital Group (SSC-GHC). The primary source was the outpatients' charts issued for each consultation in the period between 1/1/2011 and 12/31/2011. The study comprised a total of 34,014 consultations performed in two units of the North Region of Porto Alegre by professionals with tertiary education from different occupational categories. The main objective of this study was to identify use pattern and characteristics of primary health care services at ambulatorial level. The specific objectives were to develop the sociodemographic profile of PHC units users, evaluate the reasons for consultations, identify the type of service utilized and the professional category responsible for providing the service, assess the relationship between consultations and the programmatic actions performed by health care services as well as to identify the association between the vulnerability of the housing area and the reasons for consultation. The primary source of the database was the chart issued for each outpatient’s ambulatory care. The data analysis was realized with the SPSS statistics software version 18.0. The descriptive analysis considered the characteristics and distribution of variables. The continuous variables with normal distribution were described through averages and standard deviation whilst the continuous variables without normal distribution were presented as median (interquartile range). Categorical variables were described as absolute numbers. The total number of consultations was 34,014 referring to 5,033 people registered in the units. The participation of risk area residents was 31.3%. The number of people considered frequent users - with more than 6 consultations per year - amounted to 2,216 (44%). The frequent users accounted for 78% of the consultations. They were present in 53.7% of households. Frequent users were predominantly women (67.8%), belonging to the age group ranging from 20 to 49 years old or over 60. Mental and behavioral health related issues have a higher percentage among frequent users (6.9% vs. 3.5%). The most requested professional was the physician (59.3%) followed by the odontologist (27.5%). The reasons for consultation found are similar in both frequent and non-frequent users and distributed within the expected for the age groups.

Nous présentons dans cette thèse un système de correction automatique d'annotations (tags) fournies par des utilisateurs qui téléversent des vidéos sur des sites de partage de documents multimédia sur Internet. La plupart des systèmes d'annotation automatique existants se servent principalement de l'information textuelle fournie en plus de la vidéo par les utilisateurs et apprennent un grand nombre de "classifieurs" pour étiqueter une nouvelle vidéo. Cependant, les annotations fournies par les utilisateurs sont souvent incomplètes et incorrectes. En effet, un utilisateur peut vouloir augmenter artificiellement le nombre de "vues" d'une vidéo en rajoutant des tags non pertinents. Dans cette thèse, nous limitons l'utilisation de cette information textuelle contestable et nous n'apprenons pas de modèle pour propager des annotations entre vidéos. Nous proposons de comparer directement le contenu visuel des vidéos par différents ensembles d'attributs comme les sacs de mots visuels basés sur des descripteurs SIFT ou des motifs fréquents construits à partir de ces sacs. Nous proposons ensuite une stratégie originale de correction des annotations basées sur la fréquence des annotations des vidéos visuellement proches de la vidéo que nous cherchons à corriger. Nous avons également proposé des stratégies d'évaluation et des jeux de données pour évaluer notre approche. Nos expériences montrent que notre système peut effectivement améliorer la qualité des annotations fournies et que les motifs fréquents construits à partir des sacs de motifs fréquents sont des attributs visuels pertinents / This thesis presents a new system for video auto tagging which aims at correcting the tags provided by users for videos uploaded on the Internet. Most existing auto-tagging systems rely mainly on the textual information and learn a great number of classifiers (on per possible tag) to tag new videos. However, the existing user-provided video annotations are often incorrect and incomplete. Indeed, users uploading videos might often want to rapidly increase their video’s number-of-view by tagging them with popular tags which are irrelevant to the video. They can also forget an obvious tag which might greatly help an indexing process. In this thesis, we limit the use this questionable textual information and do not build a supervised model to perform the tag propagation. We propose to compare directly the visual content of the videos described by different sets of features such as SIFT-based Bag-Of-visual-Words or frequent patterns built from them. We then propose an original tag correction strategy based on the frequency of the tags in the visual neighborhood of the videos. We have also introduced a number of strategies and datasets to evaluate our system. The experiments show that our method can effectively improve the existing tags and that frequent patterns build from Bag-Of-visual-Words are useful to construct accurate visual features

The big data framework applied to smart meters offers an exception platform for data-driven forecasting and decision making to achieve sustainable energy efficiency. Buying-in consumer confidence through respecting occupants' energy consumption behavior and preferences towards improved participation in various energy programs is imperative but difficult to obtain. The key elements for understanding and predicting household energy consumption are activities occupants perform, appliances and the times that appliances are used, and inter-appliance dependencies. This information can be extracted from the context rich big data from smart meters, although this is challenging because: (1) it is not trivial to mine complex interdependencies between appliances from multiple concurrent data streams; (2) it is difficult to derive accurate relationships between interval based events, where multiple appliance usage persist; (3) continuous generation of the energy consumption data can trigger changes in appliance associations with time and appliances. To overcome these challenges, we propose an unsupervised progressive incremental data mining technique using frequent pattern mining (appliance-appliance associations) and cluster analysis (appliance-time associations) coupled with a Bayesian network based prediction model. The proposed technique addresses the need to analyze temporal energy consumption patterns at the appliance level, which directly reflect consumers' behaviors and provide a basis for generalizing household energy models. Extensive experiments were performed on the model with real-world datasets and strong associations were discovered. The accuracy of the proposed model for predicting multiple appliances usage outperformed support vector machine during every stage while attaining accuracy of 81.65\%, 85.90\%, 89.58\% for 25\%, 50\% and 75\% of the training dataset size respectively. Moreover, accuracy results of 81.89\%, 75.88\%, 79.23\%, 74.74\%, and 72.81\% were obtained for short-term (hours), and long-term (day, week, month, and season) energy consumption forecasts, respectively.

This master's thesis is focused on knowledge discovery from databases, especially on methods of mining sequential patterns. Individual methods of mining sequential patterns are described in detail. Further, this work deals with extending the platform Microsoft SQL Server Analysis Services of new mining algorithms. In the practical part of this thesis, plugins for mining sequential patterns are implemented into MS SQL Server. In the last part, these algorithms are compared on different data sets.